第6章 创意画板：图像生成实战

你是否曾有过这样的时刻：脑海中浮现出一幅绝美的画面，或许是赛博朋克风格的雨夜霓虹，或许是童年记忆中外婆家那扇斑驳的木门，但当你拿起画笔或打开设计软件时，却发现自己受限于技法，无法将那份感动精准地复刻出来？这种“心手不一”的挫败感，是人类表达欲与生理机能之间永恒的矛盾。

现在，请想象你拥有了一位不知疲倦、技艺精湛且博古通今的私人画师。你不需要学习如何调色、如何勾勒透视，甚至不需要懂得光影的物理原理。你只需要像导演给摄影师讲戏一样，用语言描述你的构想，这位画师就能在几秒钟内为你呈现结果。如果不对，你可以让他重画；如果差点意思，你可以让他微调。

这就是AI图像生成（Text-to-Image）带给普通人的变革。它不是要取代艺术家，而是将“绘画”这项技能从“肌肉记忆”还原为“想象力”本身。

在本章中，我们将把AI绘图工具视为一块智能画板。我们不谈深奥的扩散模型数学推导，而是聚焦于如何像使用微波炉加热食物一样自然地使用它。我们将从最基础的指令开始，逐步掌握控制画面细节的“遥控器”，最后，我们必须严肃地探讨这块画板背后的版权红线与伦理边界。毕竟，在享受技术红利的同时，保持审慎与理性，才是驾驭工具而非被工具异化的前提。

6.1 把想象变像素：基础绘图指令

当我们第一次面对Midjourney、Stable Diffusion或DALL-E的输入框时，往往会感到一种面对空白画布的眩晕。这不像搜索引擎那样有一个明确的答案等待检索，而是一个从无到有的创造过程。许多初学者在这里陷入了误区：他们试图用写文章的方式去写提示词（Prompt），结果得到的图片往往杂乱无章、重点模糊。

请记住第一个核心原则：AI绘图模型不是阅读理解大师，它是视觉标签的联想机器。

6.1.1 从自然语言到视觉标签的思维转译

人类语言是线性的、逻辑的，而图像是并发的、感性的。当你说“一个悲伤的女孩站在雨中”，你的大脑会自动补全无数细节：雨的密度、女孩的衣着、光线的色温、背景的虚实。但AI不会自动补全，或者说，它会用概率最高的“平庸解”来补全。

因此，我们需要学会一种新的语言——结构化视觉描述。这就好比你在餐厅点菜，不能只对厨师说“来个好吃的”，而要说“清蒸鲈鱼，少盐，多葱丝，淋热油”。

一个高效的文生图提示词，通常遵循这样一个公式：

让我们通过一个对比来感受这种思维转译的力量。

• 新手提示词：“一只猫在花园里。”
  • AI的反应：随机生成一只猫，随机的一种花园，光线平淡，构图居中，像是一张毫无特色的库存照片。
• 进阶提示词：“一只橘色的缅因猫，坐在维多利亚式花园的长椅上，周围环绕着盛开的绣球花，黄金时刻的侧逆光，毛发细节清晰，浅景深，电影级调色，8k分辨率。”
  • AI的反应：主体明确（橘色缅因猫），环境具体（维多利亚花园、绣球花），光影有氛围（黄金时刻侧逆光），质感有保障（毛发细节、电影调色）。

关键结论：不要描述“故事”，要描述“画面”。AI听不懂“她因为失恋而感到悲伤”，但它听得懂“眼泪、低垂的眼帘、冷蓝色调、阴雨天窗边的反光”。将情绪转化为可视化的物理特征，是与AI沟通的第一课。

6.1.2 主体与环境的锚定

在构建提示词时，主体的描述必须具有“排他性”。如果你只写“一个男人”，AI会在数十亿张男性图片的概率分布中随机采样。你需要通过叠加形容词来收缩这个概率空间。

• 外貌锚定：不要只写“年轻女性”，尝试“20多岁的亚裔女性，黑色短发，穿着复古牛仔夹克”。
• 动作锚定：静态的描述容易导致画面僵硬。加入动态动词能让画面活起来。“正在奔跑”、“回眸一笑”、“双手捧着发光的玻璃球”。注意，AI对复杂肢体动作（如手部交互）的理解仍有瑕疵，初期建议从简单的姿态入手。
• 环境互文：环境不应只是背景板，它应与主体产生互动。“风吹乱了她的头发”、“霓虹灯牌的光映在她的脸上”、“脚下的积水倒映着天空”。这种互文性是区分AI生成的“贴图感”与“真实感”的关键。

6.1.3 视觉语言的词汇表：像摄影师一样思考

很多非专业读者认为，不懂摄影和美术就无法用好AI绘图。事实恰恰相反，AI绘图是学习视觉语言最好的速成班。你不需要真的去买一台哈苏相机，但你需要知道“哈苏画质”意味着什么。以下是一些高频且有效的视觉关键词，建议将其作为你的“词汇积木”：

6.1.4 光影篇

光是画面的灵魂。不同的光线词汇会直接决定图片的情绪基调。

• Golden Hour（黄金时刻）：日出后或日落前的一小时，光线柔和金黄，适合人像、风景，自带温暖怀旧感。
• Blue Hour（蓝调时刻）：日落后天未全黑时，天空呈现深邃蓝色，适合城市夜景、情绪片。
• Rembrandt Lighting（伦勃朗光）：经典的人像布光，面部一侧出现三角形光斑，立体感强，充满戏剧张力。
• Volumetric Lighting（体积光/丁达尔效应）：光束穿过介质（雾、尘）形成的可见光路，神圣感、神秘感的神器。
• Bioluminescence（生物发光）：阿凡达式的自发光效果，适合科幻、奇幻题材。

6.1.5 构图与镜头篇

这部分词汇决定了观众“怎么看”这张图。

• Wide Angle / Telephoto（广角/长焦）：广角交代环境，夸张透视；长焦压缩空间，突出主体。
• Bokeh / Depth of Field（焦外/景深）：控制背景虚化程度。f/1.8代表极浅景深，背景如奶油般化开；f/11代表全景清晰。
• Bird's-eye View / Worm's-eye View（鸟瞰/蚁视）：极端俯拍或仰拍，带来强烈的视觉冲击力。
• Rule of Thirds（三分法）：经典的平衡构图，避免主体死板地居于正中。
• Leading Lines（引导线）：利用道路、栏杆等线条将视线引向主体。

6.1.6 风格与媒介篇

这是AI最擅长的“跨界融合”。你可以让梵高画赛博朋克，让安塞尔·亚当斯拍火星表面。

• Art Movements：Impressionism（印象派）、Surrealism（超现实主义）、Ukiyo-e（浮世绘）、Bauhaus（包豪斯）。
• Mediums：Oil Painting（油画）、Watercolor（水彩）、Charcoal Sketch（炭笔素描）、Polaroid（宝丽来）、3D Render（3D渲染）、Unreal Engine 5（虚幻5引擎）。
• Artist References：虽然直接使用艺术家名字存在伦理争议（后文详述），但在练习阶段，了解“Greg Rutkowski style”代表奇幻厚涂，“Wes Anderson style”代表对称糖果色，有助于建立风格坐标系。

6.1.7 迭代思维：与AI共舞的节奏

即便你掌握了所有词汇，也不要指望一次生成就得到完美作品。AI绘图本质上是一个“生成-评估-修正”的迭代循环。

在这个循环中，“评估诊断”是最考验人类审美与判断力的环节。当初版图出来后，你要像医生看X光片一样分析问题：

• 构图太满？→ 加入“negative space（留白）”或调整宽高比。
• 人脸崩坏？→ 降低权重，或使用后期修复工具（Inpainting）。
• 风格不纯？→ 增加特定艺术家的权重，或减少冲突的风格词。
• 细节不足？→ 添加“intricate details, sharp focus, 8k”。

工具化心态提醒：不要因为AI生成了几张惊艳的图就沾沾自喜，也不要因为连续出废图就自我怀疑。AI是你的实习生，它的产出质量取决于你的指导水平。每一次失败的生成，都是一次对视觉语言理解的校准。

6.1.8 跨模态的桥梁：以图生图与垫图

文字并非唯一的输入方式。有时候，语言在描述某种特定的构图、配色或纹理时显得苍白无力。这时，“以图生图”（Image-to-Image）功能就成了连接想象与现实的桥梁。

你可以上传一张自己随手画的草图、一张构图完美的参考照片，甚至是一张色彩搭配心仪的布料纹理，告诉AI：“参考这张图的构图/色调，但把内容换成我描述的森林小屋。”

这里涉及到一个关键参数：Denoising Strength（重绘幅度/去噪强度）。

• 低数值（0.3-0.5）：AI会高度忠实于原图的结构和色彩，仅做风格化或细节替换。适合精修、换脸、改材质。
• 高数值（0.7-0.9）：AI仅保留原图的大致轮廓和色块分布，内容进行大幅度重构。适合从草图生成成品、灵感发散。

这就像是在临摹与创作之间滑动滑块。 对于非专业用户，善用“垫图”能极大降低提示词的编写难度。你不必费力描述“左上角有一束45度角的暖光打在桌面上”，直接找一张类似光影的照片垫进去，效率提升十倍。

6.2 控制画面细节：权重与负向提示词

如果说基础指令是学会了开车，那么权重控制和负向提示词就是学会了漂移和精准泊车。在这一节，我们将从“大概差不多”迈向“精确可控”。这是区分AI绘画玩家与AI绘画使用者的分水岭。

6.2.1 权重的艺术：谁才是画面的主角

在自然语言中，词语的顺序暗示了重要性。但在AI的潜在空间（Latent Space）里，所有Token（词元）默认是平等的。如果你写“红色的苹果和绿色的叶子”，AI可能会生成一个红绿相间的苹果，或者绿叶比苹果还大。

权重（Weight）就是你手中的音量旋钮。 它告诉AI哪些概念需要被“大声喊出来”，哪些只需“轻声耳语”。

不同工具的权重语法略有差异，但逻辑相通。以通用的 (keyword: weight) 格式为例：

• (red apple: 1.3)：将“红苹果”的影响力提升30%。
• (green leaves: 0.6)：将“绿叶”的影响力降低40%，使其退居次要地位。
• [background]：在某些工具中，方括号表示降低权重。

权重的使用需要克制与平衡。 过高的权重（如 >1.8）会导致画面出现过饱和、伪影或结构崩坏，就像音响音量过大产生的失真。过低的权重则可能被其他元素淹没。

实战技巧：层级加权法 当你描述一个复杂场景时，建议采用金字塔式的权重分配：

1. 核心主体（1.2 - 1.4）：画面的绝对焦点，如人物面部、产品本体。
2. 关键特征（1.0 - 1.1）：主体的重要属性，如服装款式、手持道具。
3. 环境氛围（0.8 - 1.0）：背景、天气、次要物体。
4. 修饰词（0.6 - 0.8）：画质标签、风格后缀。

例如：(portrait of a cyberpunk samurai:1.3), (neon katana:1.1), rainy tokyo street at night:1.0, cinematic lighting:0.9, 8k resolution:0.7

这种层级感能让AI更好地理解画面的主次关系，避免“眉毛胡子一把抓”的混乱生成。

6.2.2 负向提示词：雕刻家的凿子

米开朗基罗曾说：“雕像本来就在石头里，我只是把多余的部分去掉。” 负向提示词（Negative Prompt）就是那把凿子。

在正向提示词中，我们告诉AI“要什么”；在负向提示词中，我们告诉AI“绝对不要什么”。这对于规避AI的常见缺陷、净化画面至关重要。

通用负向提示词模板（建议收藏）：

ugly, deformed, noisy, blurry, low quality, bad anatomy, bad hands, missing fingers, extra limbs, floating objects, watermark, text, signature, oversaturated, underexposed

这个模板解决了80%的基础质量问题。但更高阶的用法是针对性排除。

• 风格提纯：如果你想要纯粹的写实照片，可以在负向中加入 painting, drawing, illustration, anime, 3d render，防止AI混入艺术风格。
• 内容清洗：如果生成的风景图中总有电线杆破坏构图，加入 power lines, poles, wires。
• 颜色校正：如果画面总是偏黄，加入 yellow tint, warm filter。
• 语义消歧：如果你想画“苹果（水果）”却总出现“苹果手机”，在负向中加入 smartphone, electronics, logo。

注意：负向提示词不是越多越好。 过多的负向约束会压缩AI的创作空间，导致画面变得呆板、缺乏生气。把它当作手术刀，精准切除病灶即可，不要用来砍树。

6.2.3 局部重绘与扩图：外科手术式的精细控制

全局生成就像泼墨山水，讲究气韵生动但难控细节。当你对整体满意但对局部不满时（比如脸歪了、手指多了、想换个帽子），千万不要重新生成整张图。这不仅浪费算力，还可能丢失原本完美的构图。

这时，你需要Inpainting（局部重绘） 和 Outpainting（向外扩图）。

Inpainting 的核心逻辑： 你用蒙版（Mask）涂抹掉需要修改的区域，然后针对该区域编写新的提示词。AI会在保持未涂抹区域不变的前提下，重新生成涂抹区域的内容，并自动进行边缘融合。

• 场景1：换装。蒙版涂衣服，提示词改为“白色丝绸连衣裙”。
• 场景2：修脸。蒙版涂面部，提示词写“perfect face, detailed eyes”。
• 场景3：加道具。蒙版涂手部空白处，提示词写“holding a cup of coffee”。

**Outpainting